多源降水融合技术是精准估算降水时空分布的重要手段,但常规融合方法难以充分考虑降水的空间局部相关性和时间依赖性以再现降水的空间分布格局。该研究选择3套卫星降水产品(IMERG,CMORPH和GSMaP)和站点观测数据,构建三维卷积神经网络(th...多源降水融合技术是精准估算降水时空分布的重要手段,但常规融合方法难以充分考虑降水的空间局部相关性和时间依赖性以再现降水的空间分布格局。该研究选择3套卫星降水产品(IMERG,CMORPH和GSMaP)和站点观测数据,构建三维卷积神经网络(three-dimensional convolutional neural network,3DCNN)和卷积长短期记忆神经网络(convolution long short term memory neural network,ConvLSTM)集成的时空深度学习融合模型(3DCNN-ConvLSTM),通过深度挖掘降水的时空变化特征,实现降水数据的精确估计。结果表明,在日尺度上,3DCNN-ConvLSTM融合降水的性能显著优于原始卫星降水产品,融合后的相关系数和克林-古普塔效率系数分别提高至0.679和0.64,均方根误差较融合前降低11.7%~24.4%,平均绝对误差降幅为9.3%~20.7%,且针对不同强度降水事件的捕捉精度更高;在月尺度上,各月降水性能得到不同程度的改善,其中高降水月份提升更显著;在空间尺度上,融合模型校正了原始降水产品在空间上的高估现象,在不同地形上表现出最高相关性及最小误差。与其他融合模型相比,3DCNN-ConvLSTM在提升降水数据精度方面表现更出色。总之,考虑了降水时空相关性的多源降水融合模型,能够有效提升闽浙赣地区降水数据质量,在多源降水融合领域有一定应用价值。展开更多
利用中国区域2023年夏季945个地基全球导航卫星系统(GNSS)测站的观测数据,分别采用双差网解法与精密单点定位法(Precise Point Positioning,PPP)对大气可降水量(Precipitable Water Vapor,PWV)进行了反演,以同址探空站和ERA5再分析资料...利用中国区域2023年夏季945个地基全球导航卫星系统(GNSS)测站的观测数据,分别采用双差网解法与精密单点定位法(Precise Point Positioning,PPP)对大气可降水量(Precipitable Water Vapor,PWV)进行了反演,以同址探空站和ERA5再分析资料的PWV为参考值,研究分析了两种方法在中国不同气候区域反演PWV的精度及稳定性特征。结果表明:与PPP解相比,双差解与探空和ERA5资料的PWV的相关性更强,偏差(Bias)频率分布更集中,峰值区概率更高,偏差范围更小。以探空资料获取的RS-PWV为参考值时,双差解与PPP解的平均Bias分别为-0.1 mm和1.1 mm,平均均方根误差(RMSE)分别为2.4 mm和3.1 mm,以ERA5-PWV为参考值时,双差解与PPP解的平均Bias分别为-0.2 mm和0.1 mm,平均RMSE分别为2.7 mm和3.2 mm,双差解的平均RMSE均小于3 mm,这表明双差网解法反演的PWV具有更高的精度和稳定性。GNSS探测水汽的精度总体表现为西部非季风区优于东部季风区,双差解在各气候区域的RMSE都更集中于中位数附近,而PPP解在不同测站多表现出不同的精度水平,在水汽充足且探测精度偏低的温带和亚热带季风气候区域精度离散程度较大,具有较强的不稳定性。展开更多
风云四号B星(FY-4B)是中国最新一代的静止轨道气象卫星,其资料具有更高的时空分辨率。为了进一步推进FY-4B云导风资料在数值模式中的应用,以FY-4B云导风资料为主要研究对象,结合FY-4A云导风资料进行对比,首先分析了其观测误差的垂直分...风云四号B星(FY-4B)是中国最新一代的静止轨道气象卫星,其资料具有更高的时空分辨率。为了进一步推进FY-4B云导风资料在数值模式中的应用,以FY-4B云导风资料为主要研究对象,结合FY-4A云导风资料进行对比,首先分析了其观测误差的垂直分布情况,以此更新WRFDA(Weather Research and Forecasting model Data Assimilation system)同化系统中默认观测误差,随后进一步探究了云导风资料同化对2022年台风“梅花”的预报影响。研究结果表明:FY-4B云导风资料U、V分量的观测误差整体上小于FY-4A;同化FY-4A云导风资料后,模拟的台风路径逐渐偏西;而同化FY-4B云导风资料使得台风中心动力场信息更加完善,分析场对流层中高层西风增强,预报的台风路径更接近实况;相较于同化FY-4A云导风资料,同化FY-4B云导风资料对降水预报的改善效果更好。展开更多
文摘多源降水融合技术是精准估算降水时空分布的重要手段,但常规融合方法难以充分考虑降水的空间局部相关性和时间依赖性以再现降水的空间分布格局。该研究选择3套卫星降水产品(IMERG,CMORPH和GSMaP)和站点观测数据,构建三维卷积神经网络(three-dimensional convolutional neural network,3DCNN)和卷积长短期记忆神经网络(convolution long short term memory neural network,ConvLSTM)集成的时空深度学习融合模型(3DCNN-ConvLSTM),通过深度挖掘降水的时空变化特征,实现降水数据的精确估计。结果表明,在日尺度上,3DCNN-ConvLSTM融合降水的性能显著优于原始卫星降水产品,融合后的相关系数和克林-古普塔效率系数分别提高至0.679和0.64,均方根误差较融合前降低11.7%~24.4%,平均绝对误差降幅为9.3%~20.7%,且针对不同强度降水事件的捕捉精度更高;在月尺度上,各月降水性能得到不同程度的改善,其中高降水月份提升更显著;在空间尺度上,融合模型校正了原始降水产品在空间上的高估现象,在不同地形上表现出最高相关性及最小误差。与其他融合模型相比,3DCNN-ConvLSTM在提升降水数据精度方面表现更出色。总之,考虑了降水时空相关性的多源降水融合模型,能够有效提升闽浙赣地区降水数据质量,在多源降水融合领域有一定应用价值。
文摘风云四号B星(FY-4B)是中国最新一代的静止轨道气象卫星,其资料具有更高的时空分辨率。为了进一步推进FY-4B云导风资料在数值模式中的应用,以FY-4B云导风资料为主要研究对象,结合FY-4A云导风资料进行对比,首先分析了其观测误差的垂直分布情况,以此更新WRFDA(Weather Research and Forecasting model Data Assimilation system)同化系统中默认观测误差,随后进一步探究了云导风资料同化对2022年台风“梅花”的预报影响。研究结果表明:FY-4B云导风资料U、V分量的观测误差整体上小于FY-4A;同化FY-4A云导风资料后,模拟的台风路径逐渐偏西;而同化FY-4B云导风资料使得台风中心动力场信息更加完善,分析场对流层中高层西风增强,预报的台风路径更接近实况;相较于同化FY-4A云导风资料,同化FY-4B云导风资料对降水预报的改善效果更好。
